Perpustakaan Digital ITB

Pada sistem produksi, umum halnya dijumpai penggunaan lebih dari satu SSD sebagai penyimpanan redundan. Sifat redundan ini dapat dimanfaatkan untuk mengorganisir permintaan I/O yang masuk untuk menghindari SSD yang sedang melakukan internal management, seperti garbage collection, wear leveling, dan write amplification, disebut dengan I/O admission control. Algoritma machine learning saat ini banyak digunakan di berbagai sistem produksi sehingga menjumpai data bersifat kontinu, yang mana model drift dapat terjadi. I/O admission control berbasis machine learning, sebagai salah satu aplikasi machine learning di sistem produksi, juga tidak luput dari model drift, meliputi concept drift dan covariate shift. Kedua jenis drift ini dapat dimitigasi dengan mendeteksi drift, baik menggunakan kondisi tertentu, seperti akurasi model, ataupun algoritma berbasis statistik, kemudian melatih ulang model untuk menyesuaikan dengan karakteristik data terkini. Tugas akhir ini mengkaji penggunaan 3 skema berbasis machine learning untuk memitigasi drift, yakni model reuse, model drift detector, dan model reweighting.